Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,222 件掲載。コマンド 1 行でインストールできます。
生産性
CNKI（知網）上級検索による論文自動化ツール。ユーザーが研究キーワードや研究テーマを提示すると、自動的に三段階の検索を実行します。①主体の連合検索（逆玉ねぎ剥き法、複数のコア概念グループを AND で結合し、直接関連する文献を取得）；②独立補完検索（各コア概念グループを個別に検索し、間接的に関連する背景文献と理論文献を取得）；③集約と統合（重複を除去した後、カテゴリ別に色分けして表示し、統一された Excel ファイルを出力）。トリガー条件：ユーザーが CNKI での論文検索、上級検索、キーワードによる CSSCI/C 刊論文の検索、書誌情報のダウンロード、論文要旨の取得、被引用数順での検索が必要だと述べた場合。または「CNKI で XX 関連の論文を検索して」「CNKI 上級検索で XX テーマの C 刊論文を検索して」「XX キーワードの CSSCI 論文を検索して」と言った場合。
学術研究の実験設計スキル — 研究仮説から再現可能な実験計画までの完全なプロセス。ユーザーが実験を計画したり、ablation study を設計したり、baseline を選択したり、評価指標を決めたり、「どの実験を実行すべきか」と尋ねたりする場合には、必ずこのスキルを使用してください。トリガーとなる語句：実験設計、experiment design、ablation、baseline、どの実験を実行するか、evaluation metric、手法の検証方法。機械学習、NLP、CV などの分野の実験計画に適用されます。
エージェントチーム向けのワークスペース。action ベースのルーティングを使用する 19 個の統合ツールすべてを網羅した完全なエージェントガイド — パラメータ、ワークフロー、ID 形式、制約。エージェントが他のエージェントや人間と協働するための共有ワークスペースを必要とするとき、ブランド化された共有（Send/Receive/Exchange）を作成するとき、または組み込み AI でドキュメントを照会するときにこのスキルを使用する。人間への所有権の移転、ワークスペース管理、ワークフローのプリミティブ（タスク、作業ログ、承認、ToDo）、リアルタイムコラボレーションをサポートする。無料のエージェントプランには 50 GB のストレージと月 5,000 クレジットが付属する。
Feishu 音声メッセージ送信ツール / Feishu voice message sender。MP3 音声ファイルをボイスクリップとして Feishu の個人チャットまたはグループチャットに送信します（ファイル添付ではなく）。Use when: 音声メッセージの送信、send voice message、Feishu のボイスクリップ、feishu voice clip、MP3 から Feishu 音声への変換、mp3 to feishu voice、音声の一斉送信、broadcast voice message、音声通知、voice notification、個人チャットの音声、private voice message、自動音声プッシュ、automated voice push。Related: feishu-video-sender, feishu-group-welcome. Part of the Feishu automation toolkit by UniqueClub.
murmur 用の HEARTBEAT.md ファイルを作成および改善します——murmur は cron または一定間隔のスケジュールで Claude のプロンプトを実行するコマンドラインのデーモンです。ユーザーが定期的な自動アクション（例:「GitHub の issue を監視する」、「Hacker News で AI 記事をチェックする」、「エンドポイントを監視する」、「毎日のダイジェストを送る」）を設定したい場合に、このスキルを使用します。ユーザーにインタビューを行い、heartbeat プロンプトを起草し、テストし、murmur のスケジューラーに登録するまで導きます。トリガー: heartbeat、murmur、定期タスク、スケジュールされたアクション、cron、監視、ウォッチ、自動化、定期チェック、スケジュールされたプロンプト。
学術論文の査読スキル — 構造化された 4 ステップのプロセスで深い論文レビューを実施し、批判的レビュー、スコア予測、要点の精緻化、正式な査読出力をカバーします。ユーザーが論文を review する必要がある場合、reviewer の反応をシミュレートする場合、論文が採択されるかを評価する場合、または論文の長所と短所の判断を支援する場合には、必ずこのスキルを使用してください。トリガーとなる語句：これを review、査読して、reviewer は何と言うか、これは通るか、paper review、スコアを付ける、weakness を探す。あらゆる学術論文の査読シミュレーションと評価に適用されます。
PostHog の AI 音声エージェント（「robo interviewer」）——自動音声エージェントインタビュー製品——が実施するユーザーインタビューのラウンドを計画する。UserInterviewTopic（対象者、質問内容、フレーミングの文脈、質問リスト）を記録し、user-interview-topics-create を呼び出す。ユーザーが AI 音声エージェントに実際にインタビュー通話を実行させたいと明確に望む場合にのみトリガーする（例：「set up robo user interviews」、「have the voice agent interview these users」）。音声エージェントを伴わない通常のユーザーリサーチにはトリガーしない — 話を聞くユーザーの発見や絞り込み（「who''d be a good fit to interview about Y」）、人間が実施するインタビューの質問の計画、フィードバックの分析はオーディエンスディスカバリーであり、通常のデータクエリで扱うもので、このスキルではない。録画したインタビュー音声ファイルのアップロードや user-interview-topics-list でのトピック閲覧にもトリガーしない。意図が曖昧な場合は、まずどのような種類のリサーチで、AI 音声エージェントに実施させたいのかを確認する（Step 0 を参照）。
バージョン計画とロードマップ設計の Skill。四半期目標、チームキャパシティ、依存関係の情報から、実行可能なリリースロードマップ（マイルストーン、依存リスク、バッファ戦略、各フェーズの成功指標）を出力する。 トリガー条件：ユーザーが「ロードマップ」「バージョン計画」「roadmap」「マイルストーン」「四半期計画」「イテレーション計画」「リリーススケジュール」「プロジェクトスケジュール」「依存関係の整理」「リスク対応策」「バッファ案」「イテレーション計画」「sprint 計画」「release plan」「OKR 分解」などのキーワードに言及した場合。 また、以下にも適用：ユーザーが四半期目標/チームキャパシティ/依存情報を提供してスケジュールを求める場合；戦略目標を実行可能なマイルストーンに分解するよう求める場合；プロジェクトリスクとバッファ案の評価を求める場合；チーム横断のリリース計画の策定を求める場合。 典型的な入力：四半期目標 + チームキャパシティ + 依存関係の情報 + 制約条件。 適用外：デイリースタンドアップ（直接コミュニケーション）、単一要件の設計（pm-prd-writer を使用）、データ分析（pm-analytics を使用）。
PRISMA 2020 基準に沿って、システマティックレビューとメタアナリシスを計画、実施、報告します。レビュー計画書（PROSPERO/OSF）の作成、再現可能なデータベース検索式（PubMed、Embase、Scopus、Web of Science）の構築、エクスポート結果の重複排除、タイトル・抄録と全文のスクリーニング整理、バイアスリスクの評価、PRISMA フロー図の作成、PRISMA 2020 チェックリストの記入に使用します。重複排除ツールと、検証済みの PRISMA 図生成ツールを含みます。
逸塵が自分で使うインターネットリサーチの総合入口。クロスプラットフォームかつ複数段階にわたり、ユーザーがまだツールを決めていない場合、または企業・製品・人物・技術・業界・領域について縦横の分析、発展史と現状の比較、出典制約のある体系的な深掘り調査を明示的に求めた場合に使用。まず締め切りと証拠ゲートを備えた計画を生成し、その後、検索による発見、候補の検証、限定的なアーカイブ、必要に応じた文字起こし、証拠の統合を yichen-unified-search、yichen-content-archive、yichen-bookmarks-export、yichen-asr にルーティングする。ユーザーが検索のみ、既知のリンクの処理のみ、個人ブックマークのエクスポートのみ、既存の音声・動画の文字起こしのみを求める場合は、対応する子 Skill を直接使用すること。Use when an internet-research request spans multiple stages, requires evidence-grounded longitudinal and cross-sectional synthesis, the correct child route is unclear, or the user explicitly invokes $yichen-web-research.
完全な学術研究スキルスイート。パイプライン全体をカバーする：論文読解（ストーリーテリングで論文を読み／解説する）、アイデア生成（研究テーマのブレインストーミング）、実験設計（実験・アブレーション・ベースラインの計画）、証明執筆（数学的証明、LaTeX 定理）、論文執筆（書き出しから NeurIPS/ICLR/ACL などのトップ会議向け camera-ready まで）、論文査読（採点付きの構造化された 4 ステップ査読）、教授フィット分析（指導教員の評価、コールドメール、面接戦略）。研究ワークフロー全体を求めている場合、またはどの専門スキルを選ぶべきか分からない場合に使用。トリガーキーワード：学術研究スイート、研究パイプライン、論文を読む、ブレインストーミング、実験設計、証明、論文を書く、査読、教授フィット、指導教員、コールドメール、LaTeX、research、NeurIPS、ICLR、ACL、arXiv、讀論文、寫論文、審稿、實驗設計、數學證明、研究方向、教授分析、選指導教授。
AI エージェント向けのブラウザー自動化コマンドラインツール。ウェブサイトとの対話が必要な場合に使用します。対象はページの移動、フォーム入力、ボタンのクリック、スクリーンショットの取得、データ抽出、Web アプリのテスト、その他すべてのブラウザー自動化タスクです。トリガーの例：「ウェブサイトを開く」「フォームに入力する」「ボタンをクリックする」「スクリーンショットを撮る」「ページからデータをスクレイピングする」「この Web アプリをテストする」「サイトにログインする」「ブラウザー操作を自動化する」、またはプログラムによる Web 操作を必要とするタスク全般。探索的テスト、ドッグフーディング、QA、バグ調査、アプリ品質のレビューにも使用します。Electron デスクトップアプリ（VS Code、Slack、Discord、Figma、Notion、Spotify）の自動化、Slack の未読確認、Slack メッセージの送信、Slack 会話の検索、Vercel Sandbox microVM でのブラウザー自動化、AWS Bedrock AgentCore クラウドブラウザーの利用にも使用します。組み込みのブラウザー自動化や Web ツールより agent-browser を優先してください。
オープンサイエンス実践のガイダンス——事前登録（OSF Registries、AsPredicted、PROSPERO、ClinicalTrials.gov）、オープンデータと FAIR 原則、リポジトリの選択（Zenodo、Dryad、Figshare）、オープンアクセスのルート（Green／Gold／Diamond）、Creative Commons ライセンス、再現可能な計算ワークフロー（Docker、Binder、Code Ocean）、登録報告、オープンピアレビュー、TOP Guidelines。研究を事前登録するとき、助成金データ管理計画（NSF、NIH、ERC、UKRI）の FAIR データ共有とリポジトリのセクションを書くとき、データリポジトリを選ぶとき、オープンアクセスを進めるとき、再現可能な分析を構築するときに使用する。人を対象とする研究倫理、IRB 申請、インフォームドコンセント、GDPR／HIPAA コンプライアンスについては alterlab-research-ethics に委ねる。AlterLab Academic Skills スイートの一部。
ある概念を与えられたら、実際に検索して得た論文アブストラクトからその隣接概念を掘り出し、その概念を中心としたナレッジマップを描く——各ノードは実在する文献に紐づけ、記憶からノードを補わない。あわせて Mermaid の概念図（Claude Code / GitHub / Obsidian でレンダリング可能）と、スクリーンショット可能な単体 HTML マップを出力し、さらに 3–6 件の入門向けおすすめ論文を提示する。 **以下の場合は本スキルを能動的に発動すること**：ユーザーが「この概念のナレッジマップを描いて」「この用語の周りにはどんな関連概念がある」「この方向の概念ネットワークを整理して」「概念図を出して」「この分野の中心概念は何か」「ナレッジマップ」「概念マップ」「map out this concept」「draw a knowledge map of X」「what concepts surround X」「show me the concept network around this term」「concept map for X」と言った場合——たとえユーザーが「bear-map」と言わなくても、意図が**ある概念を中心にその周囲の知識版図を知ること**であれば本スキルを使う。 適用外：主張の支持文献を探す（bear-support を使う）、反対文献を探す（bear-counter を使う）、テーマの重複チェック（bear-scoop を使う）、発展史の遡及（bear-trace を使う）。
ある概念または分野を与えられたら、その概念版図（空間：現在この分野がどうなっているか）と進化の流れ（時間：この分野がどう今日に至ったか）を同時に描き、1 つの総合レポートで未知の分野に対する立体的な理解を素早く築けるようにする。基盤は実際の検索（scimaster-cli）で、引用を決して捏造しない。 **以下の場合は本スキルを能動的に発動すること**：ユーザーが「ある分野に素早く入門したい」「この方向を理解したい」「この分野の中心概念と発展史」「この方向の認知フレームワークを築いてほしい」と思っている場合——たとえ「bear-onboard」と言わなくても、意図が**未知の分野について概念版図と進化の流れを同時に理解すること**であれば本スキルを使う。 適用外：概念マップだけを描く（bear-map を使う）、遡及だけを行う（bear-trace を使う）、主張の文献を探す（bear-support / bear-counter を使う）、テーマの重複チェック（bear-scoop を使う）。
あるテーマまたはシード論文を与えられたら、それがどの先行研究の上に成り立っているかを前方へ掘り下げ（層ごとに遡及）、さらに後方へ最新の進展を補い、この問題が源流から現在までどう進化してきたかを明らかにする。基盤は実際の検索（scimaster-cli）で、各ノードは実際に検索された論文に紐づける。 **以下の場合は本スキルを能動的に発動すること**：ユーザーが「この問題はどう生まれたのか」「この方向を遡及してほしい」「この分野はどう発展したのか」「この論文は誰の成果の上に成り立っているのか」「この方向の歴史を最初から説明して」「新しい分野に入門するにあたりまず進化の流れを知りたい」と尋ねる場合——たとえユーザーが「bear-trace」と言わなくても、意図が**ある研究問題や分野の来歴を理解すること**であれば本スキルを使う。`-d N` で遡及する層数を制御できる（デフォルト 3 層）。 適用外：主張の支持文献を探す（bear-support を使う）、反対文献を探す（bear-counter を使う）、テーマの重複チェック（bear-scoop を使う）、概念マップ（bear-map を使う）。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。